Removing Cross-Linked Telopeptides Enhances the Production of Low-Molecular-Weight Collagen Peptides from Spent Hens
Notice bibliographique
Résumé
The low-molecular-weight (LMW) peptides derived from collagen have shown a potential for various nutritional and pharmaceutical applications. However, production of LMW peptides from vertebrate collagen remains a challenge. Herein, we report a new method to produce LMW collagen peptides using pepsin pretreatment that removed cross-linked telopeptides in collagen molecules. After the pretreatment, the proportion of LMW collagen peptides (<1.4 kDa) that were obtained from pepsin-soluble collagen increased to 32.59% compared to heat-soluble collagen peptides (16.10%). Fourier transform infrared spectroscopy results indicated that telopeptide cleavage retained the triple-helical conformation of collagen. Liquid chromatography-tandem mass spectrometry analysis suggested that Gly-X-Y (X is often proline, while Y is either hydroxyproline or hydroxylysine) repeats were not the main factors that hindered the enzymatic hydrolysis of collagen molecules. However, cross-link quantification demonstrated that trivalent cross-links that included pyridinolines and pyrroles were the primary obstacles to producing small peptides from collagen of spent hens. This study demonstrated for the first time that removing cross-linked telopeptides could enhance the production of LMW peptides from spent hen collagen, which is also of interest to manufacturers who produce LMW collagen peptides from other vertebrate animals, such as bovids and porcids.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».